Wav2vec2 Large Xls R 300m Ru

🚀 wav2vec2-large-xls-r-300m-ru

このモデルは、facebook/wav2vec2-xls-r-300m を common_voice_17_0 データセットでファインチューニングしたバージョンです。評価セットでは以下の結果を達成しています。

• 損失: 0.1965
• 単語誤り率 (Wer): 0.1950

🚀 クイックスタート

このモデルは、音声認識タスクに使用できます。以下の手順で始めることができます。

✨ 主な機能

• 音声をテキストに変換する自動音声認識機能を提供します。
• common_voice_17_0 データセットでファインチューニングされています。

📦 インストール

このモデルを使用するには、transformers ライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

📚 ドキュメント

モデル情報

学習手順

学習ハイパーパラメータ

学習中に使用されたハイパーパラメータは以下の通りです。

• 学習率 (learning_rate): 0.0003
• 学習バッチサイズ (train_batch_size): 18
• 評価バッチサイズ (eval_batch_size): 24
• シード (seed): 42
• 勾配累積ステップ (gradient_accumulation_steps): 5
• 総学習バッチサイズ (total_train_batch_size): 90
• オプティマイザ (optimizer): OptimizerNames.ADAMW_TORCH を使用し、ベータ=(0.9,0.999)、イプシロン=1e-08、追加のオプティマイザ引数なし
• 学習率スケジューラタイプ (lr_scheduler_type): 線形
• 学習率スケジューラウォームアップステップ (lr_scheduler_warmup_steps): 1000
• エポック数 (num_epochs): 7
• 混合精度学習 (mixed_precision_training): Native AMP

学習結果

フレームワークバージョン

• Transformers 4.48.0
• Pytorch 2.5.1+cu124
• Datasets 3.2.0
• Tokenizers 0.21.0

📄 ライセンス

このモデルは Apache-2.0 ライセンスの下で提供されています。